Rozglądając się za raportem MIT NANDA z lipca 2025: Dlaczego 95% wskaźnik niepowodzenia pilotażu AI nie jest końcem

Jestem przekonany optymistą i zawsze jestem otwarty na nowe technologie. Moja najnowsza obsesja, która na pewno zostanie ze mną na dłużej, to AI.

MIT NANDA opublikował niedawno pracę zatytułowaną ‘The GenAI Divide. Stan AI w biznesie w 2025’, i uważam, że jest to praca godna przeczytania. Przedstawia ona realistyczny obraz AI i jego miejsca w biznesie dzisiaj. Feed na LinkedIn może wydawać się prawie histerią, jak AI zmieniło wszystko, ale raport maluje inny obraz.

Początkowo, co to jest MIT NANDA?

Networked Agents and Decentralized AI (skrótowiec NANDA) to ambitny projekt badawczy z MIT Media Lab. Projekt ten obejmuje ponad 18 wiodących instytucji badawczych z 6 kontynentów i niektóre duże nazwy w branży technologicznej – myśl Meta, Dell, Microsoft itp. Celem NANDA jest coś naprawdę futurystycznego, jeśli nie przełomowego. Ambicja polega na zbudowaniu podstawowej infrastruktury dla Internetu agentów AI, czyli zdecentralizowanej sieci, w której agenci AI odkrywają, weryfikują i współpracują ze sobą w sieci, ponad granicami organizacyjnymi. Podstawą NANDA jest praca nad wyraźnymi zasadami, protokołami, wytycznymi i ramami, które umożliwiają agentom AI współpracę z innymi agentami w imieniu ludzi i organizacji. Projekt NANDA jest open-source, co oznacza, że przyjmuje on przedsiębiorców, wizjonerów, technologów i decydentów jako pełnoprawnych współpracowników. (Czy dostajesz wrażenia Wikipedii?)

Powodem, dla którego opowiadam o tym, jest to, że raport MIT NANDA to ozdoba na torcie badawczym, jeśli chodzi o AI. Autorzy znajdują się na samym froncie świata AI i ich ustalenia powinny być traktowane poważnie (choć z pewnym dystansem).

Raport powstawał od stycznia i został opublikowany w lipcu 2025. Raport opiera się na systematycznym przeglądzie ponad 300 publicznie ujawnionych inicjatyw AI oraz wywiadach z liderami 52 organizacji, a także ankietach przeprowadzonych wśród 153 starszych liderów na czterech głównych konferencjach branżowych.

5% wskaźnik powodzenia pilotażu AI

Raport wprowadza pojęcie ‘The GenAI Divide’, które opisuje perturbację, jaka występuje (lub nie występuje) w organizacjach i nawet branżach, które z powodzeniem (lub niepowodzeniem) wykorzystują AI. Jeśli firma znajduje się po ‘niewłaściwej stronie podziału’, to według NANDA, firma nie potrafi naprawdę zmienić się, ewoluować i przemyśleć swoją strukturę i operacje biznesowe. Być po ‘właściwej stronie podziału’ oznacza zatem osiągnięcie wymiernego efektu zatrudnienia AI – “To uprzedzenie inwestycyjne utrwala podział GenAI, kierując zasoby w stronę widocznych, ale często mniej przełomowych przypadków użycia, podczas gdy najwyższe możliwości ROI w funkcjach back-office pozostają niedofinansowane”.

Powodem, dla którego raport zyskał taką popularność, jest jego kluczowe ustalenie. Streszczenie wykonawcze stanowi: “Pomimo 30-40 miliardów dolarów inwestycji przedsiębiorstw w GenAI, raport ujawnia zaskakujący wynik, że 95% organizacji nie uzyskuje żadnego zwrotu… Tylko 5% zintegrowanych pilotów AI uzyskuje miliony dolarów wartości, podczas gdy ogromna większość pozostaje zablokowana bez żadnego wymiernego wpływu na P&L”. Niezbyt obiecująco, prawda?

Podstawową ograniczeniem, które uniemożliwia organizacjom uzyskanie prawdziwej wartości AI, jest to, co raport określa jako ‘lukę edukacyjną’. Większość systemów GenAI fundamentalnie nie posiada zdolności do przechowywania informacji zwrotnej, adaptacji do kontekstu lub poprawy w czasie.

• Systemy nie uczą się z informacji zwrotnej. W rzeczywistości oznacza to, że menedżer karmi go tym samym zestawem danych ponownie i ponownie, a jednak nie następuje poprawa wydajności. Jeden menedżer produkcji w firmie z sektora średniej wielkości opisał wielokrotne przesyłanie tego samego podręcznika produktu do systemu AI w celu udoskonalenia listy kontrolnej, jednak każda iteracja kopiowała identyczne pominięcia i błędy, bez żadnej wymiernej poprawy jakości wyjścia pomimo wielu sesji informacji zwrotnej.
• Wymagana jest nadmierna ręczna kontrola kontekstu za każdym razem. Narzędzia AI nie posiadają pamięci między sesjami, więc każda interakcja wymaga ponownego karmienia ich wiedzą i kontekstem z poprzednich sesji. Złożone przepływy pracy, w przeciwieństwie do prostych zadań jednorazowych, ciągną się i nie działają jako niezawodne wsparcie dla projektów wieloetapowych. Raport cytował zespół prawniczy korporacyjnego, który dla każdego projektu umowy musiał ponownie wprowadzać preferencje klienta, notatki z poprzednich negocjacji i ograniczenia regulacyjne do narzędzia AI – zmieniając to, co powinno być pomocnym przepływem pracy, w czasochłonne zajęcie, które podważa produktywność w złożonych, wieloetapowych projektach.
• Niewystarczająca personalizacja dla niektórych procesów biznesowych. Zamiast otrzymania elastycznego narzędzia, które dostosowuje się do szerszego kontekstu, szerszy kontekst dostosowuje się do narzędzia, zmuszając użytkowników do pracy wokół sztywnych systemów. CIO zauważył, że ich dostawca zapewnił im narzędzie do analizy ryzyka AI, które “wyglądało jak pudełko jednej wielkości”, zmuszając zespoły do przekształcenia procesów zatwierdzania kredytów, aby dopasować się do sztywnych danych wejściowych narzędzia, zamiast pozwolić AI dostosować się do ustalonych procesów. Niedopasowanie ostatecznie doprowadziło do porzucenia pilotów

Moje najważniejsze ustalenia z raportu NANDA

1. Przeważa gospodarka cieni AI

Raport wprowadza pojęcie ‘gospodarki cieni AI’, aby opisać, w jaki sposób pracownicy używają AI na swoim poziomie jako narzędzia osobistego, a nie jako zatwierdzonego przez organizację. To brzmi znajomo, tak naprawdę. Przyjaciel z chińskiej marki motoryzacyjnej w regionie CIS powiedział, że używa ChatGPT do pisania treści w aplikacji (postów, reklam itp.). Mówi, że na poziomie centrali nie zatwierdzono żadnego narzędzia AI do ogólnego użytku, więc używanie AI jest jej własnym impulsem i oszczędnością czasu, o której nie wspomina z menedżerem.

Raport zapewnia bardzo szczegółowe dane. Podczas gdy tylko 40% firm kupiło oficjalne subskrypcje LLM, pracownicy z ponad 90% ankietowanych firm zgłaszali regularne korzystanie z narzędzi AI do zadań zawodowych. To użytkowanie w cieniu często daje lepszy zwrot z inwestycji niż oficjalne inicjatywy przedsiębiorstw, ujawniając, co naprawdę działa, gdy jednostki mają dostęp do elastycznych, responsywnych narzędzi.

2. Przydział inwestycyjny odzwierciedla błędne priorytety

Raport ujawnia znaczące niezgodności między inwestycjami AI a potencjałem rzeczywistego ROI. Około 50% budżetów GenAI przypada na funkcje sprzedaży i marketingu, głównie dlatego, że wyniki można łatwo zmierzyć i są zgodne z wskaźnikami na poziomie zarządu. Niemniej jednak najwyższe zwroty pojawiają się często w automatyzacji back-office, takiej jak eliminacja BPO, oszczędność do 10 milionów dolarów rocznie, 30% redukcja kosztów kreatywnych zewnętrznych i 1 milion dolarów oszczędności rocznie na zarządzaniu ryzykiem. To uprzedzenie inwestycyjne utrwala podział GenAI, kierując zasoby w stronę widocznych, ale mniej przełomowych przypadków użycia.

Jednak moje osobiste przekonanie jest takie. Z mojego doświadczenia w międzynarodowym banku, który posiada banki detaliczne na całym świecie, wprowadzenie narzędzia, które wchodzi w głąb organizacji, karmi się jej danymi i (kto wie?) wycieka informacje wewnętrzne, jest ogromnym ryzykiem. Więc rozumiem, dlaczego zapisanie się do fabryki treści AI dla łatwych kreatywnych treści na reklamy na Facebooku jest prostym wyborem, podczas gdy złożone perturbacje back-end nie są tak entuzjastycznie przyjmowane. Chyba że byłoby to polecenie bezpośrednio od szczebla C, wdrożenie poważnych, perturbacyjnych narzędzi AI do rdzenia firmy zajęłoby co najmniej 12 miesięcy.

Miałem szczęście zobaczyć wnętrze automatyzacji AI stworzonej dla zespołu sprzedaży lokalnej firmy produkującej okna. Zatrudnili freeladera z n8n, który zbudował im narzędzie do analizy rozmów i czatu zasilane przez AI. Firma była teraz w stanie znaleźć wąskie gardła w swoim lejku szybciej, a więcej punktów bólowych wyszło na jaw, ponieważ AI pomagała firmie w przetwarzaniu napisanych i mówionych wypowiedzi. Ich wskaźnik satysfakcji był niezwykle wysoki, z większą ilością danych przetwarzanych szybciej.

3. Wewnętrzne budowy przegrywają z dostawcami zewnętrznymi

Być brutalnie szczerym, to ustalenie zaskoczyło mnie. Wbrew powszechnemu przekonaniu, że przedsiębiorstwa powinny budować własne narzędzia AI, badania pokazują, że strategiczne partnerstwa z dostawcami zewnętrznymi są dwa razy bardziej prawdopodobne, aby osiągnąć wdrożenie w porównaniu z wysiłkami rozwojowymi wewnętrznymi. Kto by pomyślał, prawda? No cóż, oczywiście nie ja.

Organizacje, które traktują dostawców AI jak dostawców usług biznesowych – wymagających głębokiej personalizacji i odpowiedzialnych za wyniki operacyjne, a nie wskaźniki modelu – osiągają znacznie wyższe wskaźniki sukcesu i szybszy czas osiągania wartości.

4. Wyższa inwestycja oznacza wyższą perturbację? Niekoniecznie.

Korzystając z złożonego Indeksu Perturbacji Rynku AI, raport ujawnia, że tylko dwie branże – Technologia i Media & Telecom – wykazują wyraźne oznaki perturbacji strukturalnej spowodowanej przez GenAI. Siedem z dziewięciu głównych sektorów wykazuje znaczną aktywność pilotażową, ale minimalną zmianę strukturalną, przy czym branże takie jak Opieka zdrowotna, Usługi finansowe i Energia wykazują wskaźniki perturbacji poniżej 0,5 w skali 5-punktowej. Ta luka między widocznością inwestycyjną a rzeczywistą transformacją ilustruje podział GenAI na poziomie branży.

Dlaczego 95% wskaźnik niepowodzenia jest tymczasowy

Pomimo pozornie beznadziejnych wyników pośrednich, jest jakiś światełko w tunelu. Raport wyjaśnia, że podział GenAI jest tymczasowy i zostanie przezwyciężony dzięki pojawiającym się rozwojom.

NANDA sam jest jednym z wiodących współtwórców jeszcze bardziej połączonego świata AI. Mechanizmy, które raport wymienia, to Protocol Kontekstu Modelu (lub MCP) i Agent-to-Agent (lub A2A) jako podstawy infrastruktury dla bezproblemowej interoperacyjności agentów i autonomicznej koordynacji między systemami.

Wysiłki NANDA i te narzędzia są drogą do tego, czego NANDA szuka – Agentic Web, sieci agentów zdolnych do autonomicznej koordynacji w sieci. Ich interakcje będą zaprojektowane tak, aby zastąpić statyczne przepływy pracy dynamicznymi, samouczącymi się systemami.

Czy to brzmi zbyt dobrze, aby być prawdą, czy nawet magicznie? No cóż, Microsoft Copilot Studio’s Multi-Agent Orchestration to najbliższe podobieństwo do wizji. System pomaga budować drzewo agentów, gdzie główny agent Copilot wyzwala agentów podrzędnych odpowiedzialnych za określone zadania, takie jak planowanie lub generowanie dokumentów. Każdy agent pozostaje w swojej dziedzinie specjalizacji, koordynując z innymi. Aby to ująć w bardziej praktycznych słowach, gdy użytkownik prosi o “Zaplanuj nasz start produktu Q4”, agent orchestrator automatycznie deleguje do specjalistycznych agentów – jeden zajmuje się badaniami rynkowymi, inny tworzy harmonogram, a trzeci koordynuje z narzędziami zarządzania projektami. Praca idzie dalej w synchronizacji, ale autonomicznie.

Więc co pozostaje nam po raporcie NANDA? Okno na przekroczenie podziału GenAI zamyka się szybko, ponieważ przedsiębiorstwa zaczynają zamykać relacje z dostawcami z narzędziami zdolnymi do uczenia się, które produkuje perturbację i ewoluują oraz optymalizują operacje biznesowe w back-end, dodając prędkość do samej istoty organizacji. Sukces leży w kupowaniu systemów agentów AI zamiast budowania ich od podstaw wewnętrznie. Gdy agenci uczący się, pamiętający i samowystarczalni stają się bardziej powszechni, obecny 95% wskaźnik niepowodzenia ustąpi miejsca nowej erze, w której systemy AI współpracują bezproblemowo między dostawcami, dziedzinami i granicami organizacyjnymi. Ta przyszłość to prawdziwy zwrot z inwestycji bieżących.

Alternatywne punkty widzenia na adopcję AI

Projekt NANDA zrobił niesamowitą robotę, skompilując dane z wielu źródeł i ankietując liderów z wielu dziedzin. Ale czy jest to ostateczny głos w sprawie światowej adopcji AI? Jeśli ty, jak ja, znalazłeś The GenAI Divide trochę przytłaczający, jeśli nie zniechęcający, to znalazłem te alternatywne punkty widzenia na adopcję AI, aby utrzymać mój osobisty ogień AI.

• Jed Nykolle Harme z IT Brief UK rozbił CIO Playbook 2025 autorstwa Lenovo. Badanie zawiera opinie liderów IT z EMEA (Europa, Bliski Wschód i Afryka), a jego wniosek jest o wiele bardziej obiecujący. Okazuje się, że branża detaliczna jest liderem, jeśli chodzi o satysfakcję z AI, gdzie 96% wyników pilotażu AI spełnia lub przewyższa oczekiwania.
• Wcześniej wyraziłem współczucie dla gigantycznych graczy na rynku przedsiębiorstw, którzy mają trudności z wdrożeniem AI i nie są szczególnie otwarci na intensywną implementację. Lenovo przedstawia jednak inny obraz z branżami takimi jak Bankowość, Usługi finansowe i ubezpieczeniowe (BFIS): pomimo najniższego wskaźnika adopcji AI na poziomie 7%, 33% tych, którzy testowali AI, zgłasza, że piloci przewyższają oczekiwania. Sekret takich pozytywnych trendów to “ostrożne podejście”, jak to ujmuje Arabian Business.
• Inny uspokajający raport IBM CEO Study otwiera się z odważnym wstępem autorstwa IBM Vice Chairman Gary’ego Cohn: “Podczas gdy adopcja AI przyspiesza… ostateczna zapłata przyjdzie tylko do CEO, którzy mają odwagę podejmować ryzyko jako okazję. … Kiedy środowisko biznesowe jest niepewne, używanie AI i danych przedsiębiorstwa, aby zidentyfikować, gdzie masz przewagę, jest przewagą konkurencyjną. W tym momencie liderzy, którzy nie wykorzystują AI i swoich danych, aby ruszyć naprzód, podejmują świadomą decyzję biznesową, aby nie konkurować.
• Badanie IBM CEO pokazuje niektóre inspirujące fakty. Na przykład, wzrost inwestycji w AI ma wzrosnąć ponad dwukrotnie w ciągu najbliższych dwóch lat, tak że około 20% całkowitego budżetu IT zostanie przydzielone do AI – zaangażowanie pokazuje, że pomimo widocznych i udowodnionych wyzwań, wiara w AI jest silna i, co najważniejsze, jest to strategiczna inwestycja, a nie reaktywne wydatki.
• Na koniec, 64% CEO w raporcie zgadza się, że ryzyko pozostania w tyle napędza inwestycje w nową technologię, zanim zostanie osiągnięte pełne zrozumienie jej wpływu. Niemniej jednak nie ma szybkich decyzji. Zamiast tego decydenci wybierają “strategiczną hedge”. W prostych słowach, gdy konkurent uruchamia AI chatbota do personalizowanych rekomendacji, robisz to samo dla swojej strony internetowej. Możesz nie być pewien wzrostu przychodu, ale wiesz, że jeśli spóźnisz się o dwa lata, aż do czasu, gdy “idealny zestaw danych” zostanie skompilowany, stracisz nieodwracalnie impet. Więc reguła jest prosta: agresywnie kopiuj, a potem zobacz wynik.

Podsumowanie

Podsumowując, chciałbym wyrazić swoje osobiste, szczere przekonanie w AI. Jako przedsiębiorca, CMO, developer biznesu i były pracownik biurowy w bankowości, widzę wiele sposobów, w jakie AI może pomóc zoptymalizować budżety, usprawnić przepływy pracy i boost teams. The future is augmented and accelerated. If a business wants to compete, it needs to be AI-fluent. While the findings I presented are controversial, I am convinced that the current AI landscape, with its peaks and hollows, is a natural learning timeframe, repeated again and again with every new technology. Przyszłość jest uzupełniona i przyspieszona. Jeśli firma chce konkurować, musi być biegła w AI. Chociaż ustalenia, które przedstawiłem, są kontrowersyjne, jestem przekonany, że obecny krajobraz AI, z jego szczytami i dolinami, jest naturalnym okresem uczenia się, powtarzanym raz po raz z każdą nową technologią.